在研究搜索引擎的開發中，對于HTML網頁的處理是核心的一個環節。網上有很多開源的代碼，對于Java來說，HTMLParser是比較著名并且得到廣泛應用的一個。HTMLParser的主頁是http://htmlparser.sourceforge.net/，最后的更新是2006年9月的1.6版。不過沒關系，HTML的內容已經很久沒有大的變化了，HTMLParser處理起來基本沒有任何問題。HTMLParser具有小巧，快速的優點，缺點是相關文檔比較少(英文的也少)，很多功能需要自己摸索。對于初學者還是要費一些功夫的，而一旦上手以后，會發現HTMLParser的結構設計很巧妙，非常實用，基本你的各種需求都可以滿足。

這里我根據自己這幾個月來的經驗，寫了一點入門的東西，希望能對新學習HTMLParser的朋友們有所幫助。(不過當年高考本人語文只比及格高一分，所以文法方面的問題還希望大家多多擔待)

HTMLParser的核心模塊是org.htmlparser.Parser類，這個類實際完成了對于HTML頁面的分析工作。這個類有下面幾個構造函數：

public Parser ();

public Parser (Lexer lexer, ParserFeedback fb);

public Parser (URLConnection connection, ParserFeedback fb) throws ParserException;

public Parser (String resource, ParserFeedback feedback) throws ParserException;

public Parser (String resource) throws ParserException;

public Parser (Lexer lexer);

public Parser (URLConnection connection) throws ParserException;

和一個靜態類 public static Parser createParser (String html, String charset);

對于大多數使用者來說，使用最多的是通過一個URLConnection或者一個保存有網頁內容的字符串來初始化Parser，或者使用靜態函數來生成一個Parser對象。ParserFeedback的代碼很簡單，是針對調試和跟蹤分析過程的，一般不需要改變。而使用Lexer則是一個相對比較高級的話題，放到以后再討論吧。

這里比較有趣的一點是，如果需要設置頁面的編碼方式的話，不使用Lexer就只有靜態函數一個方法了。對于大多數中文頁面來說，好像這是應該用得比較多的一個方法。

下面是初始化Parser的例子。/**

* @author www.baizeju.com

*/

package com.baizeju.htmlparsertester;

import java.io.BufferedReader;

import java.io.InputStreamReader;

import java.io.FileInputStream;

import java.io.File;

import java.net.HttpURLConnection;

import java.net.URL;

import org.htmlparser.visitors.TextExtractingVisitor;

import org.htmlparser.Parser;

/**

* @author www.baizeju.com

*/

public class Main {

private static String ENCODE = "GBK";

private static void message( String szMsg ) {

try{ System.out.println(new String(szMsg.getBytes(ENCODE), System.getProperty("file.encoding"))); } catch(Exception e ){}

}

public static String openFile( String szFileName ) {

try {

BufferedReader bis = new BufferedReader(new InputStreamReader(new FileInputStream( new File(szFileName)), ENCODE) );

String szContent="";

String szTemp;

while ( (szTemp = bis.readLine()) != null) {

szContent+=szTemp+"/n";

}

bis.close();

return szContent;

}

catch( Exception e ) {

return "";

}

}

public static void main(String[] args) {

String szContent = openFile( "E:/My Sites/HTMLParserTester.html");

try{

//Parser parser = Parser.createParser(szContent, ENCODE);

//Parser parser = new Parser( szContent );

Parser parser = new Parser( (HttpURLConnection) (new URL("http://127.0.0.1:8080/HTMLParserTester.html")).openConnection() );

TextExtractingVisitor visitor = new TextExtractingVisitor();

parser.visitAllNodesWith(visitor);

String textInPage = visitor.getExtractedText();

message(textInPage);

}

catch( Exception e ) {

}

}

}

加重的部分測試了幾種不同的初始化方法，后面的顯示了結果。大家看到能Parser出內容就可以了，如何操作訪問Parser的內容我們在后面討論。

以上就是HTMLParser使用詳解(1)的內容，更多相關內容請關注PHP中文網(www.php.cn)！

本文原創發布php中文網，轉載請注明出處，感謝您的尊重！

總結

以上是生活随笔為你收集整理的java htmlparser 使用教程_HTMLParser使用详解（1）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。